• 해양환경안전학회지
• /
• 제27권7호
• /
• pp.1088-1097
• /
• 2021

기계 장비의 진동 데이터는 필연적으로 노이즈를 포함하고 있다. 이러한 노이즈는 기계 장비의 유지보수를 진행하는데 악영향을 끼친다. 그에 따라 데이터의 노이즈를 얼마나 효과적으로 제거해주냐에 따라 학습 모델의 성능을 좌우한다. 본 논문에서는 시계열 데이터를 전처리 함에 있어 특성추출 과정을 포함하지 않는 Denoising Auto Encoder 기법을 활용하여 데이터의 노이즈를 제거했다. 또한 기계 신호 처리에 널리 사용되는 Wavelet Transform과 성능 비교를 진행했다. 성능비교는 고장 탐지율을 계산하여 진행했으며 보다 정확한 비교를 위해 분류 성능 평가기준 중 하나인 F-1 Score를 계산하여 성능 비교를 진행했다. 고장을 탐지하는 과정에서는 One-Class SVM 기법을 활용하여 고장 데이터를 탐지했다. 성능 비교 결과 고장 진단율과 오차율 측면에서 Denoising Auto Encoder 기법이 Wavelet Transform 기법에 비해 보다 좋은 성능을 나타냈다.

• 한국정보처리학회논문지
• /
• 제5권4호
• /
• pp.1048-1056
• /
• 1998

본 논문에서는 낮은 비트율에서 PSNR을 향상시키고 부호화 과정에서의 계산의 복잡성을 감소시키기 위한 이산 웨이브릿 변혼 영역에서의 프랙탈 영상 압축 방법을 제안한다. 제안한 방법에서는 이산 웨이브릿 변환 계수에 절대치를 취한 다음 유효계수의 위치와 부호를 나타내는 유효계수 트리를 구성한다. 제안한 방법은 치역 블록의 유효계수에 대해서만 축소된 정의역 블록의 계수와 정합함으로써 PSNR을 향상시키고 정의역 블록의 집합에서 치역 블록으로의 정합에 필요한 계산의 복잡성을 감소시킨다. 또한 본 논문에서는 치역 블록과 정합되는 축소된 정의역 블록의 수를 최소화하는 분류 방법을 제안한다. 제안한 방법은 치역 블록과 축소된 정의역 블록의 비교 회수를 현저하게 감소시킨다.

• 한국음향학회지
• /
• 제21권6호
• /
• pp.576-584
• /
• 2002

본 논문에서는 함정의 주요 식별인자인 천이소음을 측정하기 위하여 웨이브렛 패킷을 이용한 수중 배경잡음 및 외부 잡음을 제거하는 새로운 방법을 제안한다. 함정 천이소음은 해양환경 특성상 낮은 신호대 잡음비를 가지므로, 개별센서로 측정하기 위해서는 잡음 제거가 필수적으로 요구된다. 배경잡음을 제거하기 위해 웨이브렛 임계치를 각 노드에 일괄적으로 적용하는 기존의 잡음제거 방법은 다양한 외부 잡음이 존재하는 수중환경에서는 적합하지 못하다. 따라서 본 연구에서는 배경잡음 및 외부 잡음을 제거하기 위해 신호와 잡음을 구분하여 각 노드별 임계치를 차별 적용하며, 이러한 임계치에 따른 변형된 소프트임계처리법을 제안한다. 제안 기법의 타당성은 모의 시뮬레이션과 다중 개별센서를 이용한 해상실험을 통하여 확인한다.

• Korean Chemical Engineering Research
• /
• 제48권4호
• /
• pp.475-482
• /
• 2010

화상분석(image analysis)을 이용하여 제품의 외관(外觀) 품질을 정량적으로 추정할 수 있는 소프트 센서를 설계하고, 이를 제품의 품질 모니터링에 적용하는 연구를 수행하였다. 여기에 사용된 방법론은 크게 다음의 세 단계로 구성되어 있다: (1) 웨이블릿 변환(wavelet transform)을 이용한 화상으로부터의 질감(texture) 특징 추출, (2) 추출된 질감특징의 부공간 투영(projection on subspace)을 통한 제품 외관의 추정, 그리고 (3) 질감특징의 잠재변수(latent variables) 즉, 외관의 수치적 추정치를 목적에 맞게 사용. 이 방법에서는 제품의 외관을 서로 다른 불연속적인 부류로의 분류 보다는, 연속적인 외관 변화를 일관적이고 정량적으로 추정하는데 초점을 두고자 한다. 이 방법은 인조대리석 외관의 수치적 추정과 품질 모니터링 적용사례를 통해 설명되었다.

• 대한기계학회논문집A
• /
• 제36권7호
• /
• pp.813-822
• /
• 2012

LCD 생산라인의 공정 로봇에서 방사되는 비정상 작동 소음은 로봇의 결함 탐지에 사용된다. 이 신호의 장점은 상대적으로 낮은 민감도에 비해 단지 마이크로폰을 이용하여 다수의 결함을 확인할 수 있는 것이다. 결함요소 추출을 위한 웨이브렛 변환(WPT)과 불량의 분류를 위한 인공신경망 회로(ANN)이 본 논문에서 사용되었다. 결과적으로, 비정상 작동 소음이 기계요소의 결함 진단에 효율적으로 사용될 수 있다.

• 대한전기학회논문지:전력기술부문A
• /
• 제51권8호
• /
• pp.371-378
• /
• 2002

This paper presents the rapid and accurate algorithm for fault detection and location estimation in the transmission line. This algorithm uses wavelet transform for fault detection and harmonics elimination and utilizes least square error method for fault impedance estimation. Wavelet transform decomposes fault signals into high frequence component Dl and low frequence component A3. The former is used for fault phase detection and fault types classification and the latter is used for harmonics elimination. After fault detection, an adaptive data window technique using LSE estimates fault impedance. It can find a optimal data window length and estimate fault impedance rapidly, because it changes the length according to the fault disturbance. To prove the performance of the algorithm, the authors test relaying signals obtained from EMTP simulation. Test results show that the proposed algorithm estimates fault location within a half cycle after fault irrelevant to fault types and various fault conditions.

• 한국군사과학기술학회지
• /
• 제20권4호
• /
• pp.505-513
• /
• 2017

Cavitation is a phenomenon caused by vapour cavities that is produced in rapid pressure changes. When the cavitation happened, the sound pressure level of a underwater radiated noise is increased rapidly. As a result, it can increase the probability of the identification or classification of a our warship's acoustic signature by an enemy ship. However, there is a problem that it is hard to precisely detect the occurrence of a cavitation noise. Therefore, this paper presents recent improvements in terms of the cavitation noise measurement by using continuous wavelet transform and DEMON(Detection of Envelope Modulation on Noise) signal processing. Then, we present that the suggested scheme is more suitable for detecting the cavitation than existing algorithms.

• Journal of Information Processing Systems
• /
• 제13권4호
• /
• pp.703-715
• /
• 2017

Mammogram images are sensitive in nature and even a minor change in the environment affects the quality of the images. Due to the lack of expert radiologists, it is difficult to interpret the mammogram images. In this paper an algorithm is proposed for a computer-aided diagnosis system, which is based on the wavelet based adaptive sigmoid function. The cascade feed-forward back propagation technique has been used for training and testing purposes. Due to the poor contrast in digital mammogram images it is difficult to process the images directly. Thus, the images were first processed using the wavelet based adaptive sigmoid function and then the suspicious regions were selected to extract the features. A combination of texture features and gray-level co-occurrence matrix features were extracted and used for training and testing purposes. The system was trained with 150 images, while a total 100 mammogram images were used for testing. A classification accuracy of more than 95% was obtained with our proposed method.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2000년도 제13회 신호처리 합동 학술대회 논문집
• /
• pp.915-918
• /
• 2000

In this paper, we propose an efficient feature vector extraction and decision fusion methods for the automatic classification of power system disturbances. Here, FFT and WPT(wavelet packet transform) are und to extract an appropriate feature for classifying power quality disturbances with variable properties. In particular, the WPT can be utilized to develop an adaptable feature extraction algorithm using best basis selection. Furthermore. the extracted feature vectors are applied as input to the decision fusion system which combines the decisions of several classifiers having complementary performances, leading to improvement of the classification performance. Finally, the applicability of the proposed approach is demonstrated using some simulations results obtained by analyzing power quality disturbances data generated by using Matlab.

• 한국정보통신학회논문지
• /
• 제4권3호
• /
• pp.611-618
• /
• 2000

This paper presents a shape classification method of dynamic image based on adaptive fuzzy inference. It describes the design scheme of fuzzy inference algorithm which makes it suitable for low speed systems such as conveyor, uninhabited transportation. In the first Discrete Wavelet Transform(DWT) is utilized to extract the motion vector in a sequential images. This approach provides a mechanism to simple but robust information which is desirable when dealing with an unknown environment. By using feature parameters of moving object, fuzzy if - then rule which can be able to adapt the variation of circumstances is devised. Then applying the implication function, shape classification processes are performed. Experimental results are presented to testify the performance and applicability of the proposed algorithm.